【opencv 学习笔记】harris焦点检测和原理学习笔记

参考博客：

1、https://blog.csdn.net/with__sunshine/article/details/88954489

2、https://www.cnblogs.com/djrcomeon/p/12368533.html

使用sobel算子进行图像的梯度计算

3、https://blog.csdn.net/weixin_41745620/article/details/83618875

4、贾志刚老师的讲解和课件

正文：

1.Harris角点
1.1基本定义
首先，什么是角点，角点是指一个边缘轮廓的一角。角点可以在一个物体的边缘处，但是边缘不同于角点，简单来说角点就是同时是边缘和角的点。
1.2判断依据
计算机完成角点检测是通过一个小窗口逐步扫描过去来完成的，在移动过程中的灰度的变换则作为判断角点的依据：
①.当检测窗口移动时，灰度几乎没有发生变化 ->认为是“平整地带”；
②.当检测窗口移动时，灰度只在一个方向上发生突变 ->认为是“边缘地带”；
③.当检测窗口移动时，灰度在各个方向上均发生突变 ->认为是“角点地带”；

关于这个是不是有些不清楚，请看“二元函数的泰勒展开”

https://wenku.baidu.com/view/7a46a6d749649b6648d747cf.html

E(u,v)具体含义我也不知道，可以理解为沿着某个方向的变化大小的期望，配合之前的解释，沿着多个方向若灰度变化都很大则定义为角点。
化成矩阵的形式后记 M2 = [A, C; C, B]
A 是图像在x方向上的二次偏导数；
B 是图像在y方向上的二次偏导数；
C 是图像在xy方向上的梯度乘积；
为了求A , C ,B我们需要首先计算两个方向上的梯度；梯度的计算表可以用sobel算子等相关算子进行计算。
这里要注意，在计算梯度时，通过计算梯度进行找出M矩阵

求出梯度的图，按照Ksize进行平移

遍历dst图像中各个值，如果值越大说明角点越明显，角点的可能性越大。

会得到harris的opencvAPI按照角度的计算值输出矩阵。

函数的API：

cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);

源码：

#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;
Mat src, gray_src;
int thresh = 100;
int max_count = 255;
const char* output_title = "HarrisCornerDetection Result";
void Harris_Demo(int, void*);
int main(int argc, char** argv) {src = imread("C:/Users/Chengwen/Desktop/harris_corner.png");if (src.empty()) {printf("could not load image...\n");return -1;}namedWindow("input image", CV_WINDOW_AUTOSIZE);imshow("input image", src);namedWindow(output_title, CV_WINDOW_AUTOSIZE);cvtColor(src, gray_src, COLOR_BGR2GRAY);createTrackbar("Threshold:", output_title, &thresh, max_count, Harris_Demo);Harris_Demo(0, 0);waitKey(0);return 0;
}void Harris_Demo(int, void*) {Mat dst, norm_dst, normScaleDst;dst = Mat::zeros(gray_src.size(), CV_32FC1);int blockSize = 2;int ksize = 3;double k = 0.04;cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());//归一化，将输出值进行重映射，值域0-255convertScaleAbs(norm_dst, normScaleDst);Mat resultImg = src.clone();for (int row = 0; row < resultImg.rows; row++) {for (int col = 0; col < resultImg.cols; col++) {int value = normScaleDst.at<uchar>(row,col);//遍历归一化后的结果图，把值提出来if (value > thresh) {circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);}}}imshow(output_title, resultImg);
}

可以共同讨论，相互学习！

【opencv 学习笔记】harris焦点检测和原理学习笔记相关推荐

《南溪的目标检测学习笔记》——目标检测模型的设计笔记
1 南溪学习的目标检测模型--DETR 南溪最赞赏的目标检测模型是DETR, 论文名称:End-to-End Object Detection with Transformers 1.2 decode ...
《深度学习之PyTorch物体检测实战》—读书笔记
随书代码物体检测与PyTorch 深度学习为了赋予计算机以人类的理解能力与逻辑思维,诞生了人工智能(Artificial Intelligence, AI)这一学科.在实现人工智能的众多算法中,机 ...
[论文笔记] 大型车牌检测数据集CCPD 阅读笔记
大型车牌检测数据集CCPD 阅读笔记 Towards End-to-End License Plate Detection and Recognition: A Large Dataset and B ...
[论文笔记] 大型车牌检测数据集CRPD 阅读笔记
大型车牌检测数据集CRPD 阅读笔记 Unified Chinese License Plate Detection and Recognition with High Efficiency(Arxi ...
基于深度学习的海洋动物检测系统（Python+YOLOv5+清新界面）
摘要:基于深度学习的海洋动物检测系统使用深度学习技术检测常见海洋动物,识别图片.视频和实时视频中的海洋动物,方便记录.展示和保存结果.本文详细介绍海洋动物检测系统,在介绍算法原理的同时,给出Pytho ...
角点检测（Harris Shi-Tomas）的原理及OpenCV API 的应用
角点检测(Harris & Shi-Tomas)的原理及OpenCV API 的应用这篇博客的内容主要时对参考中多篇博客的总结. 1. 角点在现实世界中,角点对应于物体的拐角,道路的十字路 ...
OpenCV与图像处理学习十三——Harris角点检测（含代码）
OpenCV与图像处理学习十三--Harris角点检测(含代码) 一.角点的概念二.Harris角点检测的实现过程三.Harris代码应用一.角点的概念角点: 在现实世界中, 角点对应于物体的 ...
深入目标检测原理学习笔记1
目标检测(object detection)学习笔记文章目录目标检测(object detection)学习笔记一.目标检测任务概述 1.图像识别的任务 2.图像识别的两种模式 3.目标检测的定 ...
cv2.cornerHarris()详解　python+OpenCV 中的 Harris 角点检测
原文作者:aircraft 原文地址:https://www.cnblogs.com/DOMLX/p/8763369.html 参考文献----------OpenCV-Python-Toturial ...

【opencv 学习笔记】harris焦点检测和原理学习笔记

正文：

【opencv 学习笔记】harris焦点检测和原理学习笔记相关推荐

最新文章

热门文章